Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico. Medical application for clinical prediction of mortality rate in patients with traumatic brain injury

Uno de los campos con mayor crecimiento en los últimos años ha sido la inteligencia artificial, la cual se divide en subcampos como el aprendizaje automático, el cual provee técnicas y algoritmos para que los sistemas puedan aprender y mejorar de forma automática. El objetivo del proyecto fue des...

Full description

Main Authors: Kelly Kandler, Kerry Kenton, Reyes Reyes, Orvin Daniel, Ordoñez Cuthbert, Deyvon Kestner, Mckensy Sambola, Dexon
Format: Artículo
Language: Español
Published: Revista Wani 2022
Subjects:
Online Access: http://repositorio.bicu.edu.ni/1267/
http://repositorio.bicu.edu.ni/1267/
http://repositorio.bicu.edu.ni/1267/
http://repositorio.bicu.edu.ni/1267/1/Aplicaci%C3%B3n%20m%C3%A9dica%20para%20la%20predicci%C3%B3n%20TCE%20-WANI-Listo.pdf
Summary: Uno de los campos con mayor crecimiento en los últimos años ha sido la inteligencia artificial, la cual se divide en subcampos como el aprendizaje automático, el cual provee técnicas y algoritmos para que los sistemas puedan aprender y mejorar de forma automática. El objetivo del proyecto fue desarrollar una aplicación médica cuya función radica en optimizar y facilitar la toma de decisiones referente a la atención brindada a pacientes de trauma craneoncefálico, por medio de un modelo predictivo que indique la probabilidad de muerte de estos pacientes. Se aplicó la metodología de programación extrema (XP), empleando técnicas de aprendizaje automático tomando como base el conjunto de datos CRASH-2, la cuál cuenta con 20,207 registros de pacientes aleatorizados de trauma craneoencefálico. Las redes neuronales artificiales fueron utilizadas para construir el modelo predictivo de supervivencia. La red neuronal con la arquitectura 6-(8-14-2)-1 alcanzó una exactitud del 76%, sensibilidad del 72.9% y especificidad del 94.1% sobre el conjunto de datos de prueba; demostrando una capacidad de discriminación prometedora con buena adaptación a la validación interna.Palabras claves: Redes Neuronales; Aprendizaje Automático; Modelo Predictivo; Inteligencia Artificial; Medicina. ABSTRACT One of the fastest growing fields in recent years has been artificial intelligence, which is divided into subfields such as machine learning, which provides techniques and algorithms so that systems can learn and improve automatically. The objective of the project was to develop a medical application whose function is to optimize and facilitate decision-making regarding the care provided to patients with head trauma, through a predictive model that indicates the probability of death of these patients. The extreme programming (XP) methodology was applied, using machine learning techniques based on the CRASH-2 data set, which has 20,207 records of randomized traumatic brain injury patients. Artificial neural networks were used to build the predictive survival model. The neural network with the 6-(8-14-2)-1 architecture achieved an accuracy of 76%, sensitivity of 72.9%, and specificity of 94.1% on the test data set; demonstrating a promising discrimination capacity with good adaptation to internal validation. Keywords: Neural Networks; Machine Learning; Predictive Model; Artificial Intelligence, Medicine. BILA PRHNI RA Las mani bilara langnika kau tara pali ba sika sins laka upla bui paskan ba, baku natkara baikanka langnika sirpi ra baiki sakisa baku ban diara kum lan taki ba baku, kan witin mihta sins laka natka nani yabisa baku sin yabal sirpi nani trabilka ba wapni mangki waia baku lika tanka sut ba sip kabia lan taki bara kau yamni daukaia silp natkara.Naha wark daukaia lukanka bapanka ba sika yarka warkka ba kau pawi waia kan ai warkka plamaika ba kau yamni daukaia bara yarka sip kabia aitani natka kat brin kaia kaikanka yamnira ai uplika nani ai lalra siknis bri nanira, bankra daukanka kum wina kaina manas ra kaiki ba wina baku natkara marikaia pruaia sip ba naha sat siknis ka bri uplika nani ba. Nahara alki daukan natka kum kau laiuhra brih waia ba XP wi ya ba, baku alki dauki lan takaia natka nani ba ul asla plamaika nani wahbi kira ba wal CRASH-2 wi ba, naha ba kulkisa 20,207 siknis uplika nani dakbi, dakbi ra ulbansa lal trabilka sikniska bri nani dukiara. Sins laka tanka pliki upla bui paskan ba yus munisa kaina manas paskanka ba laki kaiki tankira upla ba kau raya iwi kaia dukiara. Naha Sins laka pliki paskanka ba 6- (8-14-2)-1 alkan sa aitani kat 76% dahra walanka kum 72% bara tanka marikanka kum 94.1% purkara wal asla praki tanka sakan ba; mariki luki sakaia tankira bila kat kulkanka yan kaia mata. BILA BAK SAKAN BA: Sins laka pliki paskan ka, bak saki lan takanka, Kaina manas wina dia takaia ba aisanka marikanka, Sins laka upla bui paskan dukia, Sika.